机器学习在烘丝工序料头出口含水率控制中的应用探究

作     者：张翼 吴晓勇 杨云丽 金雅昭 

作者机构：上海烟草集团有限责任公司上海卷烟厂上海201315 北京大数据研究院企业数智化转型研究中心北京100080 

出 版 物：《中国设备工程》 (China Plant Engineering)

年 卷 期：2024年第12期

页      面：32-35页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0822[工学-轻工技术与工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：含水率预测 特征排序 机器学习 LSTM模型 

摘      要：目的:探究薄板式烘丝机料头阶段出口叶丝含水率的影响因素,指导设备参数控制。方法:基于LSTM+MLP模型分析叶丝干燥含水率能否快速企稳的影响因素,通过特征重要性分析挖掘潜在影响因素,设计以叶丝干燥筒壁温度为基准的生产过程最佳参数配比方法。结果:在数值实验部分,基于真实生产数据设定不同参数得到四组模型,对比了准确率、正样本MAE和ROC曲线等评价指标。其中,最优模型对叶丝干燥含水率变化的分类准确率达99.88%。结论:实践证明,“叶丝干燥筒壁温度是极为重要的影响因素,结合历史批次评估设备工作能力,可进一步实现烘丝工序的自动化控制。